Группа исследователей разработала систему искусственного интеллекта KITE (Knowledge-Informed Tutoring Engine), предназначенную для помощи студентам в изучении алгоритмов. KITE использует технологию Retrieval-Augmented Generation (RAG), чтобы адаптировать объяснения к потребностям учащихся.
Система работает как ассистент преподавателя: она анализирует запрос студента, определяет его намерение и применяет сократовскую стратегию — задает наводящие вопросы, дает целенаправленные подсказки и постепенно усложняет поддержку. Это помогает учащимся самостоятельно находить ошибки в трассировке алгоритмов и применять процедуры к новым задачам.
KITE включает мультимодальный RAG-конвейер, который извлекает релевантные фрагменты из учебных материалов. Благодаря этому ответы системы соответствуют конкретному курсу и не выходят за рамки программы.
Оценка KITE проводилась по трем направлениям: метрики RAGAs для проверки обоснованности ответов, экспертная оценка педагогического качества и симуляция диалога со студентом. В ходе симуляции более слабая языковая модель получала подсказки от KITE и исправляла свои ответы.
Результаты показали, что KITE генерирует контекстно-обоснованные и педагогически уместные ответы. Обратная связь от системы помогла студенческим моделям точнее отвечать на вопросы по процедурам и трассировке, что указывает на эффективность поэтапной поддержки в освоении алгоритмического решения задач.
Работа опубликована на arXiv и предлагает как архитектуру для ИИ-тьюторов, так и метод оценки объяснений на основе извлеченной информации.